基于密度引导的零样例人群计数：面向场景适应
计算机视觉与模式识别
2026-02-10 v1
摘要
不同位置摄像机捕获的人群场景差异巨大，现有人群模型对未见的监控场景泛化能力有限。为提升模型的泛化性，我们将不同的监控场景视为不同的类别场景，引入少数样本学习，使模型能够适应属于给定原型类别场景的未见监控场景。为此，我们提出利用局部和全局密度特征引导模型进行未见监控场景的人群计数。具体而言，为使模型适应目标场景中变化的密度变化，我们提出多局部密度学习器，以学习代表支持场景中不同密度分布的多个原型。随后，对这些多个局部密度相似矩阵进行编码，并用于局部方式引导模型。进而，提取支持图像中的全局密度特征，以全局方式引导模型。在三个监控数据集上的实验表明，所提方法能够适应未见监控场景，并在少数样本人群计数任务中超越最近的前沿方法。
引用
@article{arxiv.2602.07955,
title = {One-Shot Crowd Counting With Density Guidance For Scene Adaptaion},
author = {Jiwei Chen and Qi Wang and Junyu Gao and Jing Zhang and Dingyi Li and Jing-Jia Luo},
journal= {arXiv preprint arXiv:2602.07955},
year = {2026}
}